本文提出了一种基于Curvelet变换和局部二进制模式算子的人脸识别特征提取新方法。 这种方法的动机是基于两个观察结果。 其中之一是Curvelet变换是一种新的各向异性多分辨率分析工具。 可以有效地表示图像边缘不连续性; 另一个是局部二进制模式算子是面部图像的最佳当前纹理描述符之一。 由于不同频带中的Curvelet特征代表原始图像的不同信息,因此我们针对不同频带使用不同的方法提取了这些特征。 从技术上讲,最低频带分量是使用局部二进制模式方法处理的,只有中频带分量才被归一化。 然后,我们将它们组合在一起以创建特征集,并使用局部保留投影来减小其尺寸。 最后,我们在缩小的空间中使用最近的邻居分类器对测试样本进行分类。 在Yale数据库,扩展的Yale B数据库,PIEpose 09数据库和FRGC数据库上进行的大量实验说明了该方法的有效性。